Summary  
This chapter covers how to explore numerical data distributions by creating histograms and overlaying kernel density estimate curves using Seaborn’s `histplot` function in Python.

General domain of usage  
Data science exploratory analysis

Ennen kuin voit tehdä merkityksellisiä johtopäätöksiä aineistosta, sinun täytyy ymmärtää sen rakenne ja keskeiset ominaisuudet. Tätä prosessia kutsutaan **aineiston tutkimiseksi**. Siihen kuuluu datan tarkastelu eri näkökulmista, sen pääpiirteiden tiivistäminen sekä tärkeiden kuvioiden visualisointi. Aineiston tutkiminen auttaa havaitsemaan trendejä, poikkeavia havaintoja ja mahdollisia ongelmia ennen syvällisempää tilastollista analyysiä.

Yksi hyödyllisimmistä työkaluista numeerisen datan tutkimiseen on **histogrammi**. Histogrammi on pylväsdiagrammin tyyppi, joka näyttää kuinka usein eri arvoalueet esiintyvät aineistossasi. Jokainen pylväs edustaa arvoaluetta ("bin"), ja pylvään korkeus kertoo, kuinka monta havaintoa kuuluu kyseiseen alueeseen. Histogrammit helpottavat datan jakauman, keskiarvon ja hajonnan hahmottamista yhdellä silmäyksellä.

Pythonissa voit luoda histogrammeja nopeasti **seaborn**-kirjaston `histplot`-funktiolla. `histplot`-funktio ottaa datasi ja esittää sen jakauman histogrammina. Voit myös lisätä kuvaajaan **kernel density estimate** (KDE) -käyrän, joka antaa pehmeän arvion datan jakaumasta. Tämä auttaa ymmärtämään paremmin datan taustalla olevia kuvioita.

Tulet käyttämään `histplot`-funktiota pingviinien ruumiinmassojen jakauman visualisoimiseen tulevissa tehtävissä. Tämä auttaa sinua tutkimaan aineistoa ja valmistautumaan tarkempaan tilastolliseen analyysiin.

import unittest
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

def _dynamic_test(test_case, condition, success_msg, failure_msg):
    if condition:
        test_case._testMethodName = success_msg
        test_case.assertTrue(True, success_msg)
    else:
        test_case._testMethodName = failure_msg
        test_case.fail(failure_msg)


class TestDataReading(unittest.TestCase):
    def test_data_loaded(self):
        import user_code

        expected_data = pd.read_csv(
            'https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/section_1/confidence.csv',
            index_col=0
        )

        condition = (
            isinstance(user_code.data, pd.DataFrame)
            and user_code.data.shape == expected_data.shape
        )

        _dynamic_test(
            self,
            condition,
            "The CSV file is correctly read into the 'data' variable.",
            "The CSV file is not read correctly into the 'data' variable."
        )


class TestPlot(unittest.TestCase):
    def test_histplot(self):
        import user_code

        # ÐÐµÑÐµÐ²ÑÑÑÑÐ¼Ð¾, ÑÐ¸ ÑÑÐ²Ð¾ÑÐµÐ½Ð¾ Ð³ÑÐ°ÑÑÐº Ð· seaborn.histplot
        plot_obj = user_code.plot

        condition = (
            hasattr(plot_obj, "get_xlabel")
            and plot_obj.get_xlabel() == "The Mass"
            and plot_obj.get_ylabel() == "The Quantity"
        )

        _dynamic_test(
            self,
            condition,
            "The histplot is created with correct parameters.",
            "The histplot parameters are incorrect."
        )


if __name__ == "__main__":
    unittest.main()


test_code.py

Rakenna vahva tilastotieteen perusta Pythonin avulla. Opiskele keskeiset tilastolliset käsitteet ja sovella niitä NumPyn ja pandas-kirjastojen kautta. Siirry perusmittareista, kuten keskiarvosta ja varianssista, hypoteesitestaamiseen, luottamusväleihin ja datalähtöisiin oivalluksiin käytännön harjoitusten avulla.

Tutustu tilastotieteen keskeisiin periaatteisiin, kuten aineistotyyppeihin, keskilukuihin sekä keskeisiin eroihin otosten ja perusjoukkojen välillä.

Opi laskemaan ja tulkitsemaan keskiarvo, mediaani ja moodi Pythonin avulla. Harjoittele näitä operaatioita pandas-kirjastolla analysoidaksesi aitoja aineistoja.

Ymmärrys siitä, miten varianssi ja keskihajonta mittaavat aineiston hajontaa. Molempien laskeminen käsin ja Python-työkaluilla.

Perehdy siihen, miten kovarianssi ja korrelaatio kuvaavat muuttujien välisiä yhteyksiä. Harjoittele molempien mittareiden laskemista ja vertaamista Pythonilla.

Hallitse luottamusvälit populaatioparametrien arviointiin. Käytä NumPy-, pandas- ja visualisointikirjastoja luottamusvälien laskemiseen ja tulkintaan oikean datan avulla.

Opi hypoteesin testauksen ja t-testin perusteet. Ymmärrä, kuinka testejä suunnitellaan, suoritetaan ja tulkitaan Pythonin avulla tietoon perustuvien päätösten tueksi.

Tutki Aineistoa

Ratkaisu